[Python] 机器学习中如何将欧几里得距离融入到模型中？

75 帖子	0 威望	1989 eV

积分: 2064

Level 5 (御坂)

发消息 Send PM

电梯直达 Go to

楼主

发表于 Post on 2021-5-20 13:57:33 | 只看该作者 Only view this author |只看大图 View big picture 回帖奖励

|倒序浏览 Reverse view |阅读模式 Reading model

机器学习中，在进行模型训练之前，首先将描述符定义为了一个距离D，如式1所示。D是由物理性质(Dph)，给体分子指纹(Dfpd),受体分子指纹(Dfpa)组成。r1,r2,r3分别是三个距离对应的超参数。请问，使用sklearn如何实现，在模型训练之前，对一组描述符进行距离的定义，以完成下一步模型的训练。
附件中可查看完整文献。
求大佬指点，谢谢

123.jpg (78.66 KB, 下载次数 Times of downloads: 131)

Effect of increasing the descriptor set on machine learning.pdf

1.16 MB, 下载次数 Times of downloads: 40

收藏 Add to favorites0

回复 Reply

举报 Report

返回列表 Return

		自动登录 Automatic login	找回密码 Forget password
密码 Password			注册 Register

[Python] 机器学习中如何将欧几里得距离融入到模型中？

浏览过的版块